فی بوو

مرجع دانلود فایل ,تحقیق , پروژه , پایان نامه , فایل فلش گوشی

فی بوو

مرجع دانلود فایل ,تحقیق , پروژه , پایان نامه , فایل فلش گوشی

انتخاب داده به صورت روش آنتروپی-mutual information

اختصاصی از فی بوو انتخاب داده به صورت روش آنتروپی-mutual information دانلود با لینک مستقیم و پر سرعت .

انتخاب داده به صورت روش آنتروپی-mutual information


انتخاب داده به صورت روش آنتروپی-mutual information

در فایل زیر شبیه سازی در انتخاب داده به کمک روش انتروپی ارائه شده است. داده ها از یک اکسل دریافت می شوند و سپس بعد از انتخاب بهترین داده در اکسل دیگری ذخیره می نماید.

توضیحات زیر با فرمول ها به صورت تایپ شده در وردی جداگانه در کنار شبیه سازی قرار داده شده است. 

اما برخی توضیحات در مورد الگوریتم انتخاب داده در زیر داده شده است:

معیار آنتروپی H(X) برای مجموعه اعداد نامنظم X بر اساس توزیع احتمالاتی P(X) به صورت زیر قابل‌بیان میباشد:

(21)                           

اگر مقادیر X1, X2, …, Xn به عنوان مقادیر تصادفی ورودی با تابع احتمالاتی P(X1), P(X2), …, P(Xn) تعریف شوند. در این صورت H(X) به صورت زیر قابل بازنویسی خواهد بود:

(22)                           

بر اساس دو رابطه (21) و (22) آنتروپی اغلب یک مقدار از عدم قطعیت را در نظر میگیرد. به منظور شفاف شدن بحث، فرض نمایید که متغیر X وجود از بیماری D را نشان می‎دهد. بنابراین اگر عدم قطعیت در مورد بیماری وجود نداشته باشد در این صورت  و یا اگر بیماری اصلاً وجود ندارد در این صورت  در نتیجه آنتروپی برابر با صفر میباشد. اگر وجود یا عدم وجود بیماری به صورت عدم قطعیت اعمال شود در این صورت  و مقدار آنتروپی برابر با 1 خواهد شد. به طور کلی اگر هر یک N بیماری دارای احتمال باشد در این صورت H(X) دارای بیش‌ترین مقدار log2(N) میباشد. برای تعمیم این بحث، مجموع آنتروپی با دو عضو X و Y به صورت زیر قابل‌بیان خواهد بود:

(23)      

با در نظر گرفتن عدم قطعیت برای یک سرای از داده‌ها، مقدار عدم قطعیت سایر متغیرها به صورت زیر تعریف می‌شوند:

(24)          

بنابراین مقدار کل آنتروپی به صورت زیر قابل‌بیان می‎باشد:

(25)  

به منظور مرتبسازی دادهها روش تقابلی به صورت فرموله می‎شود:

(26) 

مقدار عددی بزرگ برای فرمول (26) نشان از همبستگی بالا بین دو عضو X و Y می‌باشد و بالعکس. نحوه فرمول‌بندی برای روش تقابلی و آنتروپی در شکل 4 نشان داده شده است.

(27)                              

(28)                               

(29)                  

(30)                                           

(31)                                               

 

شکل 4. توزیع و انتخاب بر اساس تابع تقابلی

 


دانلود با لینک مستقیم


انتخاب داده به صورت روش آنتروپی-mutual information

تحلیل آماری داده با نرم افزار مطلب

اختصاصی از فی بوو تحلیل آماری داده با نرم افزار مطلب دانلود با لینک مستقیم و پر سرعت .

تحلیل آماری داده با نرم افزار مطلب


تحلیل آماری داده با نرم افزار مطلب

این شبیه سازی مطلب برای پروژه های زیر است:

 

1-

ابتدا در محیط متلب سه مجموعه داده به شکل‌های زیر ایجاد نمایید(مقادیر این داده‌ها و برنامه نوشته شده برای آن در جلوی هریک ذکر شود)

الف) داده رندوم سطری به طول 20

ب) داده رندوم ستونی به طول 20

ج) ماتریسی با ابعاد 10×5

  2-

میانگین، ماکزیمم، مینیمم، میانه، مد، انحراف معیار، واریانس و گشتاورهای داده ها را محاسبه نمایید (هم بصورت دستی و هم با متلب).

 

3-

در محیط متلب pdf و cdfدو تابع: نرمال با مشخصات ([-2:2],0,1)و پواسن با مشخصات ([0:4],1:5) محاسبه نمایید.

 

4-

در محیط متلب دستور disttool را اجرا کرده و یک توزیع را به دلخواه در آن تشریح نمایید (پارامترهای آن را ذکر کنید و چند توزیع را در آن بررسی نمایید)


دانلود با لینک مستقیم


تحلیل آماری داده با نرم افزار مطلب

پایان نامه ارشد رشته کامپیوتر تریگر های فازی در پایگاه داده فعال

اختصاصی از فی بوو پایان نامه ارشد رشته کامپیوتر تریگر های فازی در پایگاه داده فعال دانلود با لینک مستقیم و پر سرعت .

پایان نامه ارشد رشته کامپیوتر تریگر های فازی در پایگاه داده فعال


پایان نامه ارشد رشته کامپیوتر تریگر های فازی در پایگاه داده فعال

دانلود پایان نامه ارشد رشته کامپیوتر تریگر های فازی در پایگاه داده فعال با فرمت ورد و قابل ویرایش تعداد صفحات 100

دانلود پایان نامه آماده

چکیده

پایگاه‌های دادة فعال با هدف ایجاد تعامل در پایگاه‌های داده ایجاد شدند. در این نوع پایگاه داده با تعریف قوانین و بدون نیاز به کدنویسی، سیستم قادر به عکس‌العمل مناسب در مقابل رویدادهای مهم در شرایط خاص می‌باشد. تعریف قوانین ساده‌ترین نوع بیان محدودیت‌ها بوده که برای متخصص های محیط نیز قابل درک می‌باشد. اما در بیان تجربیات اغلب از کلمات فازی استفاده می‌شود که ترجمه آن‌ها به مقادیر دقیق منجر به کاهش ارزش معنایی دانش می‌شود. فازی‌سازی پایگاه‌های داده فعال با هدف نزدیک‌تر نمودن زبان بیان قوانین به زبان طبیعی انسان مطرح شد. این امر کمک می‌کند دانش متخصصین، مستقیماً به پایگاه داده منتقل شود. ضمن اینکه تغییرات نیز با کمترین هزینه، بر قوانین تعریف شده اعمال می‌شود.

اولین گروه فازی‌سازی گرداننده پایگاه‌های دادة فعال ولسکی و بوعزیز و همکارانشان بودند که به فازی نمودن رویداد، شرط و واکنش در تعریف قوانین پرداخته‌اند و طی چند مقاله نتایج آن را ارائه نمودند[2, 3, 5, 7, 8, 9, 10]، این گروه در پروژه Tempo به پیاده‌سازی فازی این سه بخش پرداخته‌اند

فهرست مطالب
بخش اول: مفاهیم و تعاریف، کارهای انجام شده    1
فصل اول: کلیات    2
1-1 مقدمه    2
1-2 مروری بر فصول پایان‌نامه    5
فصل دوم: پایگاه داده فعال    6
2-1 مدیریت داده    6
2-2 مدیریت قوانین    7
2-2-1 تعریف قانون    7
2-2-1-1 رویداد    8
2-2-1-2 شرط    12
2-2-1-3 واکنش    13
2-2-2 مدل اجرایی    14
2-2-2-1 اولویت اجرایی در قوانین    16
2-2-2-2 معماری پایگاه دادة فعال    17
2-2-2-3 آشکارساز رویداد    18
2-2-2-4 ارزیابی شرط    19
2-2-2-5 زمانبندی    20
2-2-2-6 اجرا    21
2-3 نمونه‌های پیاده‌سازی شده    21
2-3-1 Starburst    21
2-3-2 Ariel    23
2-3-3 NAOS    24
2-4 نتیجه    25
فصل سوم: مفاهیم فازی    26
3-1 مجموعه‌های فازی    27
3-2 عملگرهای فازی    29
3-3 استنتاج فازی    30
3-4 ابهام‌زدایی    31
3-5 نتیجه    31
فصل چهارم : پایگاه دادة فعال فازی     32
4-1 تعریف فازی قوانین     33
4-1-1 رویداد فازی     34
4-1-1-1 رویدادهای مرکب     36
4-1-1-2 انتخاب فازی اجزاء رویدادهای مرکب     38
4-1-2 شرط فازی     38
4-1-3 واکنش فازی     40    
4-1-4 تعیین فازی موقعیت زمانبندی     41
4-2 معماری و مدل اجرایی قوانین     43
4-2-1 آشکارساز رویداد     44
4-2-2 بررسی شرط     45
4-2-3 اجرا     45
4-2-4 زمانبندی     45
4-3 نتیجه     47
بخش دوم: کاربردی جدید از تریگر فازی، رونوست برداری فازی، نتایج آزمایشات     48
فصل پنجم: رونوشت برداری فازی     49
5-1 رونوشت برداری     50
5-1-1 رونوشت برداری همگام     50
5-1-2 رونوشت برداری ناهمگام     51
5-1-3 ماشین پایه رونوشت برداری داده    52
5-1-4 مقایسه دو روش همگام و ناهمگام    53
5-2 رونوشت برداری فازی    56
5-2-1 استفاده از تریگرها برای فازی نمودن رونوشت برداری    57
5-3 کمیت سنج های فازی    59
5-3-1 روش محاسبه کمیت سنج های فازی    60
5-3-2 کمیت سنج عمومی    61
5-3-3 کمیت سنج جزئی    64
5-3-4 کمیت سنج جزئی توسعه یافته    67
5-4 روش جدید محاسبه حد آستانه در تریگرهای فازی برای رونوشت برداری فازی    69
5-5 معماری ماشین رونوشت بردار فازی    71
5-6 مثال    73
5-7 کارایی    77
5-7-1 ترافیک در رونوشت برداری مشتاق    79
5-7-2 ترافیک در رونوشت برداری تنبل    80
5-7-3 ترافیک در رونوشت برداری فازی    80
5-7-4 مقایسه تئوری هزینه رونوشت برداری فازی و تنبل    81
5-8 جمع بندی    83
فصل ششم: پیاده سازی     84
6-1 Fuzzy SQL Server    84
6-2 عملکرد اجزای Fuzzy SQL Server    85
6-3 شبیه سازی تریگرهای فازی در پایگاه داده غیر فازی    86
6-4 اجزاء تریگر فازی در پایگاه داده غیر فازی    86
6-5 جداول سیستمی مورد نیاز    87
6-6 مثال    89
6-7 کارهای آتی    94
مراجع و منابع     95


دانلود با لینک مستقیم


پایان نامه ارشد رشته کامپیوتر تریگر های فازی در پایگاه داده فعال